Simulation-Based Density Estimation for Time Series Using Covariate Data
利用协变量数据的时间序列模拟型密度估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以时间序列密度估计及参数模型为对象，但金融应用未具体展开，证据仅支持时间序列分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用协变量数据的时间序列模拟型密度估计
- 研究问题
- 时间序列的密度估计如何利用协变量中的信息，并在可与多种参数模型结合的同时，获得可分析的大样本与有限样本性质？
- 方法与思路
- 作者提出利用协变量信息的模拟型密度估计技术，可搭配较广泛的时间序列参数模型，并推导估计量的渐近性质。
- 材料陈述的贡献
- 摘要所述贡献是将协变量信息用于时间序列的模拟型密度估计，并以渐近推导及多类计量、金融应用展示其性质。
- 阅读关注点
- 阅读全文时应核对具体估计的密度对象、模拟步骤及协变量进入方式，并查看渐近条件、有限样本评价指标与对照方法。
- 阅读边界
- 仅据 OpenAlex 所载摘要，无法判断模拟误差的处理、协变量所需条件及计算成本；所称较好表现的具体范围也未说明。
原文摘要
This article proposes a simulation-based density estimation technique for time series that exploits information found in covariate data. The method can be paired with a large range of parametric models used in time series estimation. We derive asymptotic properties of the estimator and illustrate attractive finite sample properties for a range of well-known econometric and financial applications.